资源描述：
《基于svm的融合算法在管道裂纹缺陷漏磁信号特征识别的应用研究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。
1、基于SVM的融合算法在管道裂纹缺陷漏磁信号特征识别的应用研究536化工自动化及仪表第38卷基于SVM的融合算法在管道裂纹缺陷漏磁信号特征识别的应用研究宋志强李着信张镇(后勤工程学院，重庆401311)摘要在研究分析支持向量机(SVM)的基础上,探讨分析了基于支持向量机的融合算法，利用建立的算法流程，以漏磁检测信号峰峰值，波峰值和波谷值3个特征量为研究对彖，根据具体实验得到的特征数据库•进行了多分类器，多特征量兀配融合分析•硏究证明,该算法能有效地对管道裂纹缺陷漏磁信号进行分析和辨识，具有一定的实用价值.关键词管道检测漏磁检测支持向量机融合算法特征识别屮图分类号TP277文献
2、标识码A文章编号1000—3932(2011)05-0536-05埋地输油管道属结构复杂，造价昂贵，材料耗量大的线形构筑物，可归属为”危险性构筑物”之列，且埋于地下，受力情况复杂，检测困难,在长期使用过程中遭受着许多内在和外在的因素的破坏，据统计,输油管道等压力容器破坏事故屮有40%〜50%是由疲劳裂纹引起的.输油管道疲劳性断裂破坏就是指输油管道在长期交变应力下工作下出现裂纹，随后失效的现象，而且大多属于低周疲劳破坏危害性大.如何对裂纹的疲劳寿命进行分析，即确定管道在使用寿命中出现的裂纹，漏磁裂纹检测法是比较常用，有效的手段之一,而管道漏磁检测的关键环节，就是要做好漏磁信号
3、特征与油管道裂纹特征参量之间的相应关系,建立在相应的漏磁信号反应的静磁场现象与裂纹特征之间的数学模型，从而对裂纹缺陷进行定量的分析，为建立输油管道裂纹疲劳寿命评估提供参考依据•而系统中对漏磁检测信号的分析和处理算法的选择，则显得尤为关键，笔者给出-•种基于支持向量机(SVM)融合算法的漏磁缺陷检测信号的分析处理方法14j.1基于支持向量机的融合算法1.1算法概述支持向量机是建立在统计学习理论的VC维(Vapnik一ChervonenkisDimension)理论和结构风险最小化(StructuralRiskMinimization,SRM)原理基础上的，根据有限的样本信息在
4、模型的复杂性和学习能力Z间寻求最佳折衷，以期获得最好的推广能力•支持向量机方法的几个主要优点为：a.它是专门针对有限样本情况的，其目标是得到现有信息下的最优解；b.算法最终将转化成为一个二次型寻优问题，从理论上说，得到的将是全局最优解,解决了在神经网络方法中无法避免的局部极值问题；c.算法将实际问题通过非线性变换转换到高维的特征空间，在高维空间中构造线性判别函数来实现原空间屮的非线性判别函数，同时巧妙地解决了维数灾难问题，其算法复杂度与样本维数无关.目前SVM算法在模式识别，回归估计和概率密度函数估计等方面都有应用•例如，在模式识别方面，对于语音识别,振动信号识别，图像分析
5、及超声波信号分析等问题上,SVM算法在精度上已经超过传统的学习算法或与之不相上下.1.2算法原理假设有亿个分类器，指通过归一化后的漏磁检测信号的峰峰值，峰值，波谷值3种分类器•若己经取得k个决策样木值以及实际的决策值：}(1,,,1),(.2,,,2),・・・(:1鳥)}其中z二［z,…,］表示对于第i个输入样本，这n个分类器做出的决策矢量Y是对应第个输入样本的标签•要求能根据这组样本收稿日期:2011,04.01(修改稿)基金项目:总后勤部基金资助项目(油20040207)第5期宋志强等.基于SVM的融合算法在管道裂纹缺陷漏磁信号特征识别的应用研究537值，找到一个适当的
6、融合函数_r(z),使得对于确定的损失函数£具有最小的期望风险.融合原理为：a.将多种分类器的决策通过沖线性映射：=(z)映射到一个高维空间屮去；b.在高维空间力中进行线性冋归.综合上述两个过程，得到融合决策为：■厂(z)=?(z)+b其中?为向量内积运算.若采用线性不皱感损失函数，则上式的回其中Ol,^0(J=l,2;i=l,2,-,k).±于函数,J的极值点应满足L对W,b,,的偏导数都为零，且对偶定理可得到其对偶型，令K(,)为空间屮的内积运算，极大化下列函数：*1(・,(!)=下1王.(一)(1一2)(z,)+(n—n)Y—S(—)约束条件为：klZl：Ol,0WW
7、C(H，2;i=l,2,・・・,k)通过求解优化问题，可求得参数,,b.从而融合函数可表示为：,(=)=L(—)(z,z)+b多分类器兀配层融合过程如图1所示，其中=-Ot,N为支持向量的数目.图1支持向量机(SVM)的融合算法模型图1.3算法流程下而设计采用支持向量机对多分类器进行融识别，其算法流程为：乩归一化.将峰峰值,波峰值和波谷值特征值的匹配值分别进行归一化处理,归一化函数选择Z-score函数IV():,得到3种信号归问题转化为最小化问题：R(w,6,,)=l…+c1=1(+)约束条件为:Y・f()W+(
